• Aucun résultat trouvé

Reconstruction D'image De Tomographie 2D ParUne Méthode Statistique à ConvergenceAccélérée Par Les Données Initiales

N/A
N/A
Info
Télécharger
Protected

Academic year: 2021

Partager "Reconstruction D'image De Tomographie 2D ParUne Méthode Statistique à ConvergenceAccélérée Par Les Données Initiales"

Copied!
1
0
0

Chargement.... (Voir le texte intégral maintenant)

Texte intégral

(1)

Conférence Internationale sur le Soudage, le CND et l’Industrie des Métaux, IC-WNDT-MI’10 2010

Reconstruction D'image De Tomographie 2D Par Une Méthode Statistique à Convergence

Accélérée Par Les Données Initiales

MEGHERBI Fouzia, DRAI Redouane

Abstract : Nous présentons dans ce travail une approche statistique pour la reconstruction des images 2D de tomographie à rayons X. L’approche proposée OSEM (Ordered Subsets Expectation Maximization), obtenue dans le cadre bayésien sans a priori, s’inspire d’une approche classique MLEM (Maximum Likelihood Expectation Maximization). L’amélioration que porte l’algorithme OSEM permet d’accélérer la convergence. Une étude détaillée est réalisée afin de montrer l’efficacité de la méthode proposée sur l’optimisation de la reconstruction. Une manière supplémentaire d’optimiser la reconstruction est de ne travailler que sur des sous-ensembles des données initiales. On estime en effet que la vitesse de convergence croit proportionnellement au nombre de sous ensembles utilisés.

Keywords : Reconstruction d’image, projection, méthode statistique, vraisemblance, MLEM, OSEM

Centre de Recherche en Technologies Industrielles - CRTI - www.crti.dz

Powered by TCPDF (www.tcpdf.org)

Références

Télécharger maintenant ( PDF - 1 Page - 7.81 KB )

Documents relatifs

Reconstruction d'un spectre RMN 2D par maximum d'entropie

La m´ethode d’estimation est fond´ee sur le Maximum d’Entropie et nous proposons deux algorithmes de reconstruction it ´erative ; le premier est fond´e sur l’algorithme de Bryan

Les a priori de la sélection professionnelle : une approche comparative

La comparaison effectuée plus haut (graphique 2) de la fré- quence de citation de l’âge et du genre du candidat recherché dans les trois pays, conduit à isoler les

RECONSTRUCTION D’IMAGE DE TOMOGRAPHIE 2D PAR UNE METHODE STATISTIQUE A CONVERGENCE

L’approche proposée OSEM (Ordered Subsets Expectation Maximization), obtenue dans le cadre bayésien sans a priori, s’inspire d’une approche classique MLEM (Maximum

DEEP EXPECTATION-MAXIMIZATION FOR IMAGE RECONSTRUCTION FROM UNDER-SAMPLED POISSON DATA

This deep EM network can solve linear under- determined inverse problems where the data are corrupted by signal-dependent noise (e.g., Poisson noise, mixed Poisson- Gaussian

Maximum-likelihood based synthesis of volumetric textures from a 2D sample

For example, using a machine operating at 2.7 GHz to generate a 64 3 voxel volumetric texture from a 64 2 pixel color sample, using a 11×11 neighborhood, 3 scales, the

Approche inverse régularisée pour la reconstruction 4-D en tomographie dynamique sans compensation de mouvement

Approche inverse régularisée pour la reconstruction 4-D en tomographie dynamique sans compensation de mouvement.. Fabien M OMEY1,2 , Éric T HIÉBAUT2 , Catherine B URNIER1 , Loïc D

Reconstruction en tomographie dynamique par approche inverse sans compensation de mouvement

Avec le modèle de projection très précis développé dans le chapitre 2, nous avons complété la robustesse de notre approche inverse pour la reconstruction à faible nombre

Parallélisation sur GPU d'un algorithme de reconstruction 3D bayésien en tomographie X.

Opérations pour un volume de 256 3 et 64 projections de 256 2 Temps Giga opérations par seconde (Gop/s) Projecteur 256 2 *64 rayons mis à jour avec 256 voxels traversés 63 ms